第一節：讓你的App可以接受使用者上傳的檔案(1)

• 允許使用者上傳檔案進行分析是一個統計軟體必備的條件，在shiny app裡面，我們將透過「fileInput」讓使用者上傳檔案。

• 而R裡面要讀取檔案，主要是利用read.table()

– 請在這裡下載練習用檔案

• 我們先練習讀取剛剛下載的範例檔(以下範例使用之路徑為“Example.txt”，請自行變更至適合的位置)

Data=read.table("Example.txt",header=TRUE) #讀取Example.txt，並存成"Data"這個物件(資料表格式)
head(Data,10) #看"Data"這個資料表的前10個row

##      Height   Weight      BMI Cholesterol Triglyceride
## 1  173.9095 69.30906 22.91623    196.8222     146.4670
## 2  171.1519 66.72796 22.77951    183.2731     152.1301
## 3  169.4500 69.74043 24.28855    193.6936     150.3699
## 4  164.4632 58.76008 21.72426    182.4610     140.6752
## 5  172.2093 64.85015 21.86743    186.5315     146.7873
## 6  166.4883 66.17726 23.87489    187.4913     165.1633
## 7  177.2201 92.62094 29.49057    211.4545     167.2411
## 8  177.6544 85.45003 27.07448    203.5222     166.3448
## 9  175.4248 89.43701 29.06267    208.3781     164.0171
## 10 163.2245 55.52598 20.84133    185.0684     149.5531

summary(Data) #看"Data"這個資料表的所有變項的基本資訊

##      Height          Weight            BMI         Cholesterol   
##  Min.   :143.6   Min.   : 35.15   Min.   :13.66   Min.   :161.7  
##  1st Qu.:162.9   1st Qu.: 63.47   1st Qu.:22.54   1st Qu.:187.2  
##  Median :170.6   Median : 69.75   Median :24.62   Median :197.6  
##  Mean   :168.7   Mean   : 70.83   Mean   :24.75   Mean   :196.2  
##  3rd Qu.:173.7   3rd Qu.: 80.53   3rd Qu.:27.21   3rd Qu.:204.8  
##  Max.   :197.5   Max.   :103.20   Max.   :35.32   Max.   :219.6  
##   Triglyceride  
##  Min.   :114.0  
##  1st Qu.:149.7  
##  Median :158.6  
##  Mean   :158.6  
##  3rd Qu.:167.0  
##  Max.   :194.9

• 所以，我們將寫出一個簡單的App，只使用上面這些函數，讓使用者只要上傳檔案，就能看到他所上傳的資料之所有變項的基本資訊。

第一節：讓你的App可以接受使用者上傳的檔案(2)

• ui.R

library(shiny)

shinyUI(pageWithSidebar(
  
  headerPanel("Summarize your data"), 
  
  sidebarPanel(
    fileInput(inputId="files", label=h4("Upload your data file:"), multiple=FALSE, accept="text/plain"),
    helpText("Note: you only can upload the .txt file."),
    sliderInput("n", h4("Select the observed rows:"), min=5, max=20, value=10)
  ),
    
  mainPanel(
    verbatimTextOutput("summary"),  
    tableOutput("view")  
  )  
  
))

• server.R

library(shiny)

shinyServer(function(input, output) {
    
  output$summary = renderPrint({
    if (is.null(input$files)==TRUE) {return("You have to up load your data!!!")}
    if (is.null(input$files)==FALSE) {
      dat <- read.table(input$files$datapath,header=T)
      summary(dat)                     
    }        
  })
  
  output$view = renderTable({
    if (is.null(input$files)==TRUE) {return()}
    if (is.null(input$files)==FALSE) {
      dat <- read.table(input$files$datapath,header=T)
      head(dat,input$n)                     
    }        
  })
  
})

練習-1

• 還記得如何輸出圖形嗎? 你可能會用到下面三個函數:

– radioButtons() in ui.R(單選題)

– plotOutput() in ui.R(輸出圖形)

– renderPlot() in server.R(處理圖形)

• 我們可以利用plot()函數產生各變項之間的相關散佈圖(請在R Console之內試試看)

Data=read.table("Example.txt",header=TRUE) #讀取Example.txt，並存成"Data"這個物件(資料表格式)
head(Data,10) #看"Data"這個資料表的前10個row

##      Height   Weight      BMI Cholesterol Triglyceride
## 1  173.9095 69.30906 22.91623    196.8222     146.4670
## 2  171.1519 66.72796 22.77951    183.2731     152.1301
## 3  169.4500 69.74043 24.28855    193.6936     150.3699
## 4  164.4632 58.76008 21.72426    182.4610     140.6752
## 5  172.2093 64.85015 21.86743    186.5315     146.7873
## 6  166.4883 66.17726 23.87489    187.4913     165.1633
## 7  177.2201 92.62094 29.49057    211.4545     167.2411
## 8  177.6544 85.45003 27.07448    203.5222     166.3448
## 9  175.4248 89.43701 29.06267    208.3781     164.0171
## 10 163.2245 55.52598 20.84133    185.0684     149.5531

summary(Data) #看"Data"這個資料表的所有變項的基本資訊

##      Height          Weight            BMI         Cholesterol   
##  Min.   :143.6   Min.   : 35.15   Min.   :13.66   Min.   :161.7  
##  1st Qu.:162.9   1st Qu.: 63.47   1st Qu.:22.54   1st Qu.:187.2  
##  Median :170.6   Median : 69.75   Median :24.62   Median :197.6  
##  Mean   :168.7   Mean   : 70.83   Mean   :24.75   Mean   :196.2  
##  3rd Qu.:173.7   3rd Qu.: 80.53   3rd Qu.:27.21   3rd Qu.:204.8  
##  Max.   :197.5   Max.   :103.20   Max.   :35.32   Max.   :219.6  
##   Triglyceride  
##  Min.   :114.0  
##  1st Qu.:149.7  
##  Median :158.6  
##  Mean   :158.6  
##  3rd Qu.:167.0  
##  Max.   :194.9

Color="red"
plot(Data,col=Color)

• 請增加一個散布圖到剛剛的App中。

練習-1 答案

• ui.R

library(shiny)

shinyUI(pageWithSidebar(
  
  headerPanel("Summarize your data"), 
  
  sidebarPanel(
    fileInput(inputId="files", label=h4("Upload your data file:"), multiple=FALSE, accept="text/plain"),
    helpText("Note: you only can upload the .txt file."),
    sliderInput("n", h4("Select the observed rows:"), min=5, max=20, value=10),
    radioButtons("Color", "Select the color of histogram:", choices = c("Red" = "red", "Blue" = "blue", "Green" = "green"))
  ),
    
  mainPanel(
    verbatimTextOutput("summary"),
    plotOutput("scatterPlot"),
    tableOutput("view")  
  )  
  
))

• server.R

library(shiny)

shinyServer(function(input, output) {
    
  DATA <- reactive({
    if (is.null(input$files)) {return()} else {
      dat <- read.table(input$files$datapath,header=T)
      return(dat) 
    }
  })
  
  output$summary = renderPrint({
    dat = DATA()
    if (is.null(dat)) {return("You have to up load your data!!!")} else {
      summary(dat)
    }
  })
  
  output$scatterPlot = renderPlot({
    dat = DATA()
    if (is.null(dat)) {return()} else {
      plot(dat,col=input$Color)
    }
  })
  
  output$view = renderTable({
    dat = DATA()
    if (is.null(dat)) {return()} else {
      head(dat,input$n) 
    }
  })

})

第二節：完整的學習控制區的互動參數(1)

• 下列是基本的互動物件

##               Functions            Inputs
## 1  checkboxGroupInput()   selected values
## 2       checkboxInput()           logical
## 3           dateInput()              date
## 4      dateRangeInput()           2 dates
## 5           fileInput()         file name
## 6        numericInput()           numeric
## 7        radioButtons()    selected value
## 8         selectInput() selected value(s)
## 9         sliderInput()           numeric
## 10       submitButton()           numeric
## 11          textInput()         character

– 請在這裡下載基本物件範例

練習-2

• 請在這裡下載練習用檔案

• 現在，請寫出一個App，功能如下描述：

1. 可以允許使用者上傳範例檔案
2. 在按下按鈕後可以畫出散布圖
3. 讓使用者選擇散布圖的顏色
4. 讓使用者能下載這張散布圖
5. 有餘力的話，發揮你的創意增加控制bar

• 下列是需要用到的程式碼

Data=read.table("Example.txt",header=TRUE) #讀取Example.txt，並存成"Data"這個物件(資料表格式)

Color="red"          #指定顏色

pdf("plot.pdf")      #開啟一個pdf file，路徑為"plot.pdf"
plot(Data,col=Color) #將圖畫到開啟中的pdf file上去
dev.off()            #關掉這個pdf file

練習-2 答案

• ui.R

library(shiny)

shinyUI(pageWithSidebar(
  
  headerPanel("Ploting your data"), 
  
  sidebarPanel(
    fileInput(inputId="files", label=h4("Upload your data file:"), multiple=FALSE, accept="text/plain"),
    helpText("Note: you only can upload the .txt file."),
    radioButtons("Color", "Select the color of histogram:", choices = c("Red" = "red", "Blue" = "blue", "Green" = "green"))
  ),
    
  mainPanel(
    plotOutput("scatterPlot"),
    downloadButton("download", label = "Download plot", class = NULL)
  )  
  
))

• server.R

library(shiny)

shinyServer(function(input, output) {
    
  DATA <- reactive({
    if (is.null(input$files)) {return()} else {
      dat <- read.table(input$files$datapath,header=T)
      return(dat) 
    }
  })
  
  output$scatterPlot = renderPlot({
    dat = DATA()
    if (is.null(dat)) {return()} else {
      plot(dat,col=input$Color)
    }
  })
  
  output$download <- downloadHandler(
    filename = function() {'plot.pdf'},
    content = function(con) {
      dat = DATA()
      if (is.null(dat)) {return()} else {
        pdf(con)
        plot(dat,col=input$Color)
        dev.off()
      }
    }
  )

})

第三節 簡單的R分析(1)

• 這次我們換下載一個範例檔，這個資料檔是拿來做ttest或linear regression的。

–- 請點這裡下載測試檔案

• 下載完後，我們先用老方法看一下這個資料是什麼樣子

test1=read.table("ttest.txt",header=TRUE) #讀取ttest.txt，並存成"test1"這個物件(資料表格式)
head(test1,10) #先簡單看下這個資料的樣子

##            Y X
## 1  12.457205 1
## 2   4.378212 0
## 3   7.254833 0
## 4  25.491177 1
## 5  16.693391 0
## 6   4.793828 0
## 7   2.417034 0
## 8   2.577331 1
## 9   4.722540 1
## 10 18.960041 0

summary(test1) #看"test1"這個資料表的所有變項的基本資訊

##        Y                  X       
##  Min.   :  0.6798   Min.   :0.00  
##  1st Qu.:  3.9954   1st Qu.:0.00  
##  Median :  6.7960   Median :0.00  
##  Mean   : 17.2717   Mean   :0.49  
##  3rd Qu.: 18.5476   3rd Qu.:1.00  
##  Max.   :329.2665   Max.   :1.00

第三節 簡單的R分析(2)

• 很明顯，這次的X是一個二類別變項，而Y是一個連續變項。

– 所以，我們可能要做一個Student t test，或是一個linear regression。

Result1=t.test(Y~X,data=test1,var.equal=TRUE) #Student t test
Result1

## 
##  Two Sample t-test
## 
## data:  Y by X
## t = -1.6801, df = 98, p-value = 0.09613
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -26.827668   2.228592
## sample estimates:
## mean in group 0 mean in group 1 
##        11.24495        23.54449

Result2=lm(Y~X,data=test1) #linear regression test
Result2

## 
## Call:
## lm(formula = Y ~ X, data = test1)
## 
## Coefficients:
## (Intercept)            X  
##       11.24        12.30

summary(Result2)

## 
## Call:
## lm(formula = Y ~ X, data = test1)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -22.243 -14.218  -7.164   1.918 305.722 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)  
## (Intercept)   11.245      5.125   2.194   0.0306 *
## X             12.300      7.321   1.680   0.0961 .
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 36.6 on 98 degrees of freedom
## Multiple R-squared:  0.028,  Adjusted R-squared:  0.01808 
## F-statistic: 2.823 on 1 and 98 DF,  p-value: 0.09613

• 但是，我們可能會發現我們違反了Student t test/linear regression的基本assumption，那就是次組內的變異/殘差必須要呈常態分布

test1_0=test1[test1$X==0,]
test1_1=test1[test1$X==1,]

par(mfrow=c(1,2))
hist(test1_0$Y,col="red",xlab="Y",main="Histogram of Group 0")
hist(test1_1$Y,col="blue",xlab="Y",main="Histogram of Group 1")

第三節 簡單的R分析(3)

• 一種常見的分析手法是，將Y取自然對數後再進行分析看看

test1$logY=log(test1$Y)
head(test1,10)

##            Y X      logY
## 1  12.457205 1 2.5222992
## 2   4.378212 0 1.4766404
## 3   7.254833 0 1.9816678
## 4  25.491177 1 3.2383324
## 5  16.693391 0 2.8150129
## 6   4.793828 0 1.5673293
## 7   2.417034 0 0.8825410
## 8   2.577331 1 0.9467543
## 9   4.722540 1 1.5523468
## 10 18.960041 0 2.9423336

test1_0=test1[test1$X==0,]
test1_1=test1[test1$X==1,]

par(mfrow=c(1,2))
hist(test1_0$logY,col="red",xlab="log of Y",main="Histogram of Group 0")
hist(test1_1$logY,col="blue",xlab="log of Y",main="Histogram of Group 1")

• 我們可能會發現這好多了，所以再做一次檢定

Result1=t.test(logY~X,data=test1,var.equal=TRUE) #Student t test
Result1

## 
##  Two Sample t-test
## 
## data:  logY by X
## t = -2.4832, df = 98, p-value = 0.01472
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -0.9725206 -0.1085616
## sample estimates:
## mean in group 0 mean in group 1 
##        1.850561        2.391102

Result2=lm(logY~X,data=test1) #linear regression test
Result2

## 
## Call:
## lm(formula = logY ~ X, data = test1)
## 
## Coefficients:
## (Intercept)            X  
##      1.8506       0.5405

summary(Result2)

## 
## Call:
## lm(formula = logY ~ X, data = test1)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2.2365 -0.7328 -0.2274  0.7564  3.4058 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   1.8506     0.1524  12.145   <2e-16 ***
## X             0.5405     0.2177   2.483   0.0147 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.088 on 98 degrees of freedom
## Multiple R-squared:  0.0592, Adjusted R-squared:  0.0496 
## F-statistic: 6.166 on 1 and 98 DF,  p-value: 0.01472

• 當然，也許你會懶得做指數轉換，直接用無母數檢定(如U test)

Result3=wilcox.test(Y~X,data=test1)
Result3

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  Y by X
## W = 895, p-value = 0.01465
## alternative hypothesis: true location shift is not equal to 0

練習-3

• 所以，現在我們要練習做一個App，他必須有下列功能：

1. 使用者若上傳一個檔案(.txt file)，其中若有個變項叫做X(二元變項)，另外個變項叫做Y(連續變項)，就可以進行分析
2. 使用者可以看到兩個組別的Y的分布情形(需要用到renderPlot及plotOutput)
3. 讓使用者能選擇使用t test、U test或linear regression來對資料進行分析
4. 設置一個選項讓使用者能夠選擇是否要將Y做log轉換

練習-3 答案

• ui.R

library(shiny)

shinyUI(pageWithSidebar(
  
  headerPanel("Inferential statistics for a binary variable and continuous variable."), 
  
  sidebarPanel(
    fileInput(inputId="files", label=h4("Upload your data file:"), multiple=FALSE, accept="text/plain"),
    helpText("Note: you only can upload the .txt file."),
    radioButtons("method", "What is the method to analysis?", choices = c("Student t test" = "1", "Linear regression" = "2", "Wilcoxon test" = "3")),
    checkboxInput("log", label = "log-transformation")
  ),
  
  mainPanel(
    verbatimTextOutput("view"),
    plotOutput("distPlot")
  )  
  
))

• server.R

library(shiny)

shinyServer(function(input, output) {
  
  DATA <- reactive({
    if (is.null(input$files)) {return()} else {
      dat <- read.table(input$files$datapath,header=T)
      dat$logY=log(dat$Y)
      return(dat) 
    }
  })
  
  output$distPlot = renderPlot({
    dat = DATA()
    if (is.null(dat)) {return()} else {
      dat_0=dat[dat$X==0,]
      dat_1=dat[dat$X==1,]
      par(mfrow=c(1,2))
      if (input$log) {
        hist(dat_0$logY,col="red",xlab="log of Y",main="Histogram of Group 0")
        hist(dat_1$logY,col="blue",xlab="log of Y",main="Histogram of Group 1")
      } else {
        hist(dat_0$Y,col="red",xlab="Y",main="Histogram of Group 0")
        hist(dat_1$Y,col="blue",xlab="Y",main="Histogram of Group 1")
      }
    }
  })
  
  output$view <- renderPrint({
    dat = DATA()
    if (is.null(dat)) {return()} else {
      x = dat$X
      if (input$log) {y = dat$logY} else {y = dat$Y}
      if (input$method=="1") {t.test(y~x,var.equal=TRUE)}
      else if (input$method=="2") {summary(lm(y~x))}
      else {wilcox.test(y~x)}
    }
  })
  
})

小結

• 今天的課程教了幾項重點，請大家有空多多練習：

1. 讓你的App可以接受使用者上傳的檔案
2. 控制區的基本互動參數應已熟悉

• 之後的上課，我們將加強UI的優化及模組教學。